空间可变软形态学理论及在红外图像处理中的应用

作为人工视觉的一种重要方法，数学形态学具有强大的非线性图象处理和分析能力。但是，数学形态学在把握自然景物的含义以及人类思维的符号描述方面尚显得不够有力，有待于进一步发展。考虑图像信息本身的复杂性和它们之间较强的相关性,在图像处理过程中的各个不同层次都普遍存在的不完整性和不精确性问题，本项目拟融合软计算方法以提高数学形态学算法的鲁棒性和抗干扰能力。通过构建模糊伴随关系，将模糊形态学算子的理论特性映射为结构元素的约束条件，深化模糊形态学理论；基于粗糙集与形态学算子的近似关系，通过融合模糊集、粗糙集，研究广义软形态学算子的构建方法，增强处理不确定信息能力；引入空间可变概念，基于自适应结构元素构建空间可变形态学算子和理论框架；基于遗传算法进行形态学结构元素的优化设计，提高软形态学算子的非线性滤波性能。结合红外实测图象进行改进算法性能验证，进而完善空间可变软形态学理论。

作为人工视觉的一种重要方法，数学形态学具有强大的非线性图象处理和分析能力。形态学算子利用一个称作结构元素的“探针”收集图像的信息并了解图像的结构特征，其基本思想和方法对图像处理理论和技术产生了重大影响，成为计算机数字图像处理的一个重要研究领域。但是，数学形态学在把握自然景物的含义以及人类思维的符号描述方面尚显得不够有力，有待于进一步发展。.本项目旨在研究完备格框架下的空间可变形态学理论。首先研究了输入自适应结构元素（内核）的设计方法，通过融合非局部图像处理理论，构建了一种新的满足代数伴随性质的自适应结构元素。在此基础上，引入空间可变概念，进一步讨论了基于自适应结构元素设计最优空间可变形态学滤波器的方法。具体包括：(1) 通过引入次梯度技术和Bregman迭代算法，建立了基于空间可变形态学正则化的全变分图像重建理论和框架，扩展了形态学滤波器在图像反问题（例如去噪、去模糊和超分辨率重建）中的应用，为数学形态学与凸分析理论之间搭建了一座可行的桥梁。(2) 结合遗传规划的有监督训练算法，进行滤波器的优化设计，为最优组合形态学滤波器的构建提供了一条新途径，提高了形态学算子的非线性滤波性能，并结合MRI医学图像去噪问题进行算法性能验证。(3) 通过定义新的自适应邻接关系，构造了一种新的空间可变连通性重构算子，该类算子基于连通性属性形态学滤波器处理标记图像，然后利用自适应内核完成重构迭代过程。目标检测和分类实验验证了算子的鲁棒性和抗干扰能力，这为空间可变形态学和连通性形态学的有效融合提供了一种可行的解决思路。.